职位描述
岗位职责：
1.针对工业操作任务，研发和优化基于模仿学习、行为克隆、逆强化学习、Diffusion Policy等算法的精细操作策略；探索基于VLA大模型的操作策略，实现复杂长序列任务的端到端生成与鲁棒执行；开发多传感器融合下的实时策略架构，将视觉、触觉、力觉等信息融入闭环控制，提升操作的可靠性与泛化性。
2.主导机器人操作策略的Sim-to-Real迁移流程，在仿真平台中完成策略的大规模并行训练与自动化测试；设计域随机化、系统辨识、动力学适配等方法，缩小仿真与真实环境之间的分布差异，提升策略迁移成功率；搭建自动化批量回归测试系统，确保策略在每次迭代后能通过严格的真机A/B验证流水线。
3.负责策略在工业机器人真机上的部署、调试与性能评估，解决从仿真模型到实际硬件的延迟、通讯、控制接口等工程挑战；构建数据飞轮，设计远程/现场真机数据采集框架，实现从人工遥操作演示到自动数据过滤的闭环，持续优化策略表现；开发在线学习与增量学习机制，使机器人能在运行中根据新场景微调策略，逐步提升操作成功率与异常恢复能力。
4.深入工业现场，理解具体工艺约束与操作标准，将高层次的工艺需求拆解为可训练的操作策略原子任务；与机器人系统、传感器、仿真等团队紧密协作，确保策略方案与整体系统架构的兼容性及可复现性。
5.跟踪顶会的最新策略学习方法，将前沿算法进行工业适配与工程化验证；将成功的策略方案固化为可复用的框架、工具与最佳实践，提升团队整体研发效率。任职要求
1.计算机科学、自动化、机器人学、机械电子等相关专业硕士及以上学历，博士优先。2年及以上机器人学习或机器人操作相关研发经验，有工业场景实际项目落地经历者优先。
2.深刻理解模仿学习、强化学习、Diffusion Policy、行为克隆等策略学习算法原理，具备独立实现与调优能力；精通Python，熟练使用PyTorch，具备复杂网络结构的搭建、训练与调试能力。
3.熟练掌握至少一种机器人仿真环境（Isaac Sim、MuJoCo、SAPIEN、Gazebo等），能独立完成仿真场景搭建与并行化训练。
4.有工业机器人或人形机器人真机调试经验，了解运动学、动力学、轨迹规划基础。
5.有良好的C++或Python工程能力，理解ROS/ROS2基本通信机制，具备实时控制与硬件通讯基础知识。
加分项：
- 在CoRL、ICRA、RSS、NeurIPS等顶会发表过机器人操作策略相关论文。
- 有Sim-to-Real迁移的成功案例，尤其是涉及精密装配、形变物体操作等复杂接触任务。
- 熟悉视觉-语言大模型架构，或有过VLA模型在真机部署的实战经验。
- 有工业场景（如新能源、汽车零部件组装、物流分拣等）的机器人自动化落地项目。
- 有GPU集群使用经验，能进行大规模并行仿真训练与结果分析。
- 有开源机器人学习库的贡献或深度使用经验。
立即投递
